一种基于大语言模型的用户情绪识别与心理干预的系统及方法

针对当前情绪识别与心理干预技术存在的语言理解深度不足、个性化对话生成能力弱、缺乏持续学习与长期用户状态建模等问题，本发明提出一种结合大语言模型（LLM）的用户情绪识别与心理干预方法。该方法利用大语言模型在自然语言理解、情感建模和文本生成方面的强大能力，通过解析用户输入的自由文本信息，识别潜在情绪状态；构建多轮对话上下文，推理用户心理变化趋势；结合心理学知识库，生成个性化、温和且具有疏导效果的心理干预对话内容。系统支持对抑郁、焦虑、孤独等多类情绪状态的识别与分类，适用于多种交互场景（如APP、网页、社交机器人等），可大幅提升情绪识别的精度与心理干预的及时性和有效性。基于大语言模型的情绪识别与心理干预方法，为构建智能化、持续化、个性化的心理健康管理体系提供了坚实的技术支撑，具有广泛的应用前景和深远的社会意义。